PadLoc: Training-Free Floor-Plan Localization by Sparse Geometric Matching

比喻：像拿一张撕下的描图纸（你走过时看到的墙和空地）在整张平面图上滑来滑去找最吻合的位置。关键是：只比较你真正看到的部分，没看到的地方不算分。

模块 1：朝向只剩几个候选。室内墙大多互相垂直。PadLoc 把看到的墙段和平面图的墙段各做一个“墙角度直方图”，两者对齐就得到少数几个朝向候选（再加上各自 180° 的镜像），不再对 36 个角度逐个搜索 → P.3。

模块 2：掩码归一化互相关（masked NCC）。NCC 是衡量两张图相似度的标准方法。这里加了掩码：撞到的墙权重大（55），看到的空地如果和图上的墙重叠就扣分，没看到的格子直接不参与。全部用 FFT（快速傅里叶变换）一次算出整张图上每个平移的得分 → P.3 式 (1)。

模块 3：CONS 后端。每个窗口只保留得分图里前 K=10 个峰，作为一组高斯候选；一个移动的高斯混合贝叶斯滤波器（GM-BF）用里程计把它们往前推，并用马氏距离门限（gate）挡掉离当前主假设太远的峰。滤波器只负责“窗口之间的相对位置”，真正的绝对位置由“共识”决定：把所有窗口的原始得分图按相对位移对齐后加起来，最高点就是锚点 → P.3–P.5。状态只有一个 560 字节的混合和一个累加图，不随轨迹变长 → P.8。

指标：last-10 SR@1m（最后 10 帧都在 1 m 内才算成功，越高越好）；工地数据用在线 SR@2m（全程每个输出位姿在 2 m 内的比例，越高越好）；RMSE 误差越低越好。

Gibson（仿真照片场景，9 个场景）：固定每个对手的深度输入，只换后端。用 UnLoc 的深度时，PadLoc 在线版在每个轨迹长度都不低于 UnLoc 在线滤波；离线版从 T=35 起不低于 UnLoc 的离线精修。作者还发现 UnLoc 报告的“精修提升”其实全部来自读出方式的变化 → P.5 表 1。但在 T≥35 时 UnLoc 更精确（全体中位误差 0.11–0.12 m vs 0.15–0.19 m）→ P.6 表 2。

Bonn（真实公寓，有家具变化和行人）：同一单目结构深度、同一地图下，PadLoc（轮式里程计）池化 SR@1m 为 0.56/0.71/0.79，UnLoc（用真值运动）只有 0.30/0.49/0.46；只喂 UnLoc 用的 16 条射线也仍领先 → P.7 表 4。换成 270° LiDAR + 轮式里程计，静态序列达到 100% 成功、中位误差 9–10 cm → P.7。

Hilti 工地（几百米的楼层，只用鱼眼相机）：5 个会话里 3 个达到 0.90–0.98；加上学习型墙体分割后 5 个全部在 0.67–0.92。把后端换成“每块独立找最大值”就崩到 0.05–0.11，说明跨窗口的多假设+共识才是关键 → P.8 表 5。

消融：在漂移很大的 VO 下关掉门限，T=450 的成功率从 0.842 掉到 0.368 → P.6 表 3。

代价：完整后端在 M1 Max CPU 上每窗约 40 ms（约 8 ms/帧），深度网络本身要 114 ms，定位不是瓶颈；商场尺度的单次匹配比 UnLoc 快约 15 倍，但在家庭尺度 UnLoc 更快 → P.8 图 3。